При выводе уравнения (2) мы исходили из определенной гипотезы относительно характера связи между себестоимостью и капиталоемкостью производства с максимальным использованием твердо установленных экономической наукой соотношений. Правомерность включения элементов С0 и Ьк в правую часть уравнения вообще не подлежит сомнению, так как они представляют собой обязательные части себестоимости продукции при любом уровне ее капиталоемкости. Априорно в уравнение введен один структурный элемент d/ ", выражающий размер снижения себестоимости в определенной пропорции к капиталоемкости, как фактору этого снижения. Единственной возможной альтернативой уравнения может быть функция, по которой снижение себестоимости пропорционально ее уровню при каждом данном значении капиталоемкости, то есть экспонента. Ее параметры могут быть выведены на основе следующих соображений. Пусть при капиталоемкости к часть себестоимости, служащая источником ее снижения, была с, а при капиталоемкости к + Дк она равна с — Дс. В расчете на Д/с себестоимость снизилась на Дс. Предел отношения [c.137]
По приведенным данным существенными являются коэффициенты регрессии при Х7, Х14, Х1Б (0- Несмотря на то, что R = 0,9918 (это указывает на наличие тесной связи), можно сделать вывод, что модель неадекватна, в модель вошли несущественные факторы или выбран не тот тип связи. Исходя из априорного анализа почти все факторы, участвующие в модели, являются существенными следовательно, не подходит линейный тип модели. [c.88]
Подставляя эти значения в (8.56), получаем Л = 2,64. Так как это значение больше критического /70,о5 = 1,96, определяемого для нормального закона, гипотеза об отсутствии автокорреляции ошибок отвергается, имеет место авторегрессия ошибок первого порядка (еще раз заметим, что для рассматриваемой модели этот вывод был априорно очевиден). [c.214]
Общая черта новых методов — возможность распознавания образов и вывод обобщающих правил. Про методы, основанные на нейронных сетях и генетическом отборе решений говорят, что они управляют данными в противоположность подходу, основанному на применении правил экспертных систем. Нейронные сети прекрасно подходят для выявления нелинейных закономерностей в отсутствии априорных знаний модели. [c.128]
Априорная количественная оценка эффективности оперативного управления должна основываться на накоплении и анализе данных о критических ситуациях или нарушениях в работе системы, выявлении причин их возникновения, экономических последствиях и возможностях предупреждения с помощью автоматизированного оперативного управления. Систематический сбор данных о таких ситуациях весьма затруднителен, причем нередко не по объективным причинам, а по объяснимому желанию не афишировать нарушения или тем более упущения в оперативной работе. Только в тех случаях, когда сбои регистрируются документально и сопровождаются штрафами, они делаются явными и поддаются количественному учету и анализу. Но таких явно проявляемых и регистрируемых сбоев не так много, чтобы делать исчерпывающие выводы только на их основе. [c.243]
Какие выводы о некотором параметре генеральной совокупности мы можем сделать, имея выборочное значение этого параметра Ответ на этот вопрос зависит от того, имеем ли мы априорную информацию о величине генерального параметра. [c.65]
Аналогичным образом выводятся уравнения коррекции для параметров, управляющих формой функций принадлежности нечетких понятий слабый L/ и сильный /-/,- курс доллара Д, 6 ,, i = 1,2,3- Легко заметить, что особенностью описанного нами совместного использования нейросетевого и нечеткого подходов заключается в том, что адаптируются не величины связей между нейронами, а формы нелинейного преобразования, осуществляемого нейронами (формы функции принадлежности). С нейрокомпьютерной точки зрения достоинства нечетких моделей как раз и связано с нелинейностью функции принадлежности. Фиксирование и изначальное задание архитектуры сети позволяет интерпретировать ее решения. И что особенно важно, описанный подход по сути позволяет инкорпорировать априорные знания в структуру нейронной сети. [c.217]
Первая группа так называемых априорных (предварительных) выводов базируется в первую очередь на теоретических положениях, и риск рассчитывается с помощью логических рассуждений. [c.29]
Указанный вывод несколько условен, поскольку подчас трудно определить, где кончается априорное задание подобной информации и начинается ее переработка. Однако данный подход удобен с позиций единообразия характеристики исходной информации. [c.57]
Сравнивая последнюю задачу с исходной (1.1) — (1-3), приходим к выводу, что при p = G( ) следующие две одноэтапные задачи стохастического программирования с вероятностными ограничениями и априорными решающими правилами представляют собой двойственную [c.65]
В этих обозначениях задача (3.4) —(3.6) сводится к задаче вида (3.1) — (3.3). Повторяя рассуждения предыдущего пункта, приходим к выводу, что вычисление априорных решающих распределений задачи (3.4) — (3.6) эквивалентно решению следующей конечно-мерной задачи математического программирования. [c.140]
Решающим моментом во всей процедуре исследования точности статистических выводов в регрессионном анализе является соотношение между истинной функцией регрессии / (X) и выбранным исследователем параметрическим классом допустимых решений Г — fa (/Y в) еег- Если класс F выбран удачно (т. е. если / (X) 6 F), то исследователь находится в рамках идеализированной схемы и при некоторых дополнительных априорных сведениях о природе регрессионных остатков е (А ) = ц — / (X) имеет возможность дать достаточно точный ответ на все три основных вопроса анализа точности регрессионной модели (см. 11.1, 11.2). [c.360]
Тем самым подтверждается вывод, что если человек, принимающий решение, считает, что конкурент с вероятностью 0,4 действует правильно, и если конкурент исходит из отсутствия простоя, то апостериорная вероятность, приписываемая лицом, принимающим решение, простою продолжительностью 0 дней, становится равной 0,4. Это следствие принятого им равномерного априорного распределения вероятностей. [c.91]
Апостериорное значение, тро, для математического ожидания процесса, т. е. величины т, является просто взвешенным средним априорного среднего значения математического ожидания процесса трг и среднего значения по выборке, ms. Весами являются наша приблизительная мера априорной убежденности или уверенности человека, принимающего решение, с и объем выборки п. С увеличением объема выборки среднее значение выборки получает больший вес, а априорное мнение — меньший. Аналогично чем больше дисперсия априорного распределения, тем меньше значение с и тем больше влияние последующих наблюдений. Следовательно, одним из наиболее интересных выводов является тот, что оценка человеком, принимающим решение, своего априорного мнения позволяет ему непо- [c.110]
Следовательно, если с мало, разность между апостериорными средними будет быстро уменьшаться с увеличением объема выборки. Сходные выводы можно сделать и относительно априорной и апостериорной дисперсий. [c.120]
Из этого соотношения можно сделать следующие обобщающие выводы чем больше априорной информации мы имеем о реальных значениях Rt (измеряемых через с (t)), тем меньше дополнительный объем информации, который мы хотели бы получить и наоборот, если мы имеем сравнительно мало априорной информации о некотором частном Rt, мы больше склонны к получению дальнейшей информации о нем. По мере роста учетной ставки значение а уменьшается. Таким образом, чем больше учетная ставка, тем больше стремление к поиску информации о Rn и тем меньше стремление к поиску информации о R,. Так как априорная информация о / 0 часто бывает более полной, чем о R.t, то оба эти эффекта стремятся компенсировать друг друга. [c.133]
Для количественной оценки предпринимательского риска могут использоваться две группы методов. Первая построена на априорных (предварительных) выводах, базирующихся на теоретических положениях и требованиях к результатам определенных решений на основе логических рассуждений. Вторая основана на эмпирических выводах, когда при определении ожидаемого риска используют моделирование и экстраполяцию на базе прошлых опыта, явлений и факторов. Однако разделение методов в некоторой степени условно, так как на практике все они взаимосвязаны и дополняют друг друга. Это вытекает из того, что в целом ряде слу-чаев Ни один из них сам по себе не может обеспечить требуемую степень достоверности и точности оценки. Применяемые в сочетаниях, они оказываются весьма эффективными — достоинства одного метода компенсируют недостатки другого. [c.32]
Теория, описывающая менеджмент, достаточно стройна. Но проблема теоретического описания менеджмента состоит в том, что менеджмент как деятельность имеет дело не с логикой и универсальными принципами и правилами, а с интересами людей и их возможностями оказывать влияние. Поэтому невозможно создать априорно верную строго логически отстроенную теорию менеджмента. Вместо этого создаются обобщенные выводы, возникающие на основе анализа успешного опыта управления организацией. Именно такое концепту- [c.19]
При сообщениях (27) ожидаемая полезность страховщика определяется выражением (15), то есть, как и случае задачи назначения нагрузки к нетто-ставке, эта полезность неотрицательна, независимо от априорной неопределенности, и для нее справедлива оценка (16) и сделанный выше вывод о влиянии неопределенности. [c.70]
Подобные ситуации рассматривались в разд. 5.7 в связи с планированием невосстанавливаемого запаса. Применим тот же подход к задаче о восстанавливаемом ЗИП при априорно неизвестных интенсивности отказов Л и восстановлений ц. Как было показано выше, оптимальный запас зависит от названных параметров только через их отношение р — A//I. С помощью предварительных просчетов по аналогии или методом экспертных оценок можно установить лишь диапазон изменения 0<анедостаточности информации р приходится считать случайной величиной, распределенной на [а, 6] равновероятно. Попутно заметим, что равномерность распределения не является ограничением обсуждаемого метода. Это положение используется только при выводе формулы для расчета затрат и ее конкретизации. При наличии другого распределения оно вводится в расчетную схему аналогичным образом. [c.295]
В этой простой модели априорные ограничения 0< 1-< 1, р >0 и р < 0, накладываемые на структурные параметры, достаточны для недвусмысленного определения знаков параметров. в уравнениях (1.4) — (1.6) приведенной формы. Тем не менее имеются по крайней мере пять главных аргументов, в силу которых качественная информация о знаках структурных параметров недостаточна и ее необходимо заменить, если это возможно, количественной информацией. Во-первых, качественная информация, которой мы до сих пор располагали об этой модели, чисто априорная. Хотелось бы увидеть подтверждение этих априорных предположений на числовых данных и, кроме того, подвергнуть проверке с помощью числовой информации выбор простой линейной спецификации модели, т. е. либо убедиться в адекватном отражении моделью наблюдаемого поведения, либо прийти к выводу о необходимости более полной спецификации. Во- [c.14]
Наиболее существенная задача эконометрического исследования— оценка и проверка экономической модели. Первой стадией этого процесса служит спецификация модели в математической форме. Что касается априорных соображений, вытекающих из экономической теории, то, как мы уже видели, они могут оказаться недостаточными для достижения этой цели. Вторая стадия — сбор адекватных данных об экономике или о ее секторе, смотря по тому, какой объект является целью моделирования. На третьей стадии мы используем собранные данные для оценки параметров модели и, наконец, осуществляем проверку оцененной модели с тем, чтобы либо прийти к выводу о достаточной реалистичности получаемой с ее помощью картины объекта, либо признать необходимость оценки иной спецификации модели. [c.15]
Формирование интегральных оценок и выводов об априорной целесообразности сотрудничества в рамках анализируемых проектов с точек зрения России и США. [c.258]
Целью вывода (диагностирования) является получение заключений о техническом состоянии модулей /Я,,.., /Я . Из-за отсутствия априорной информации о [c.132]
Сама по себе информация может быть отнесена к абстрактным понятиям типа математических. Однако ряд ее особенностей приближает информацию к материальному миру. Так, информацию можно, получить, записать, передать, стереть Информация не может возникнуть из ничего. Но есть и особенности, отличающие информацию от реального мира. При передаче информации из одной системы в другую количество ее в передающей системе не уменьшается, хотя в принимающей системе оно, как правило, увеличивается. Кроме того, наблюдается независимость информации от ее носителя, так как возможны ее преобразование и передача по различным физическим средам с помощью разнообразных физических сигналов безотносительно к ее семантике, т. е. содержательности, смыслу. Информация о любом материальном объекте может быть получена путем наблюдения, натурного или вычислительного эксперимента или путем логического вывода. В связи с этим информацию делят на доопытную, или априорную, и послеопытную, или апостериорную, полученную в результате проведенного эксперимента. [c.16]
Следующая проблема — это выработка стандарта для тестирования. Для оценки MDA-моделей в большинстве случаев берется небольшое количество образцов, и это увеличивает вероятность того, что модель будет слишком точно подогнана под тестовые данные. В выборках обычно содержится поровну компаний-банкротов и небанкротов, а сами данные, как правило, соответствуют периодам интенсивных банкротств. Это приводит к выводу о том, что надежными являются только результаты оценки модели на новых данных. Из табл. 9.1 видно, что даже на самых благоприятных тестах с новыми данными (когда все примеры берутся из одного периода времени и притом однородными в смысле отраслей и размера предприятия) качество получается хуже, чем на образцах, по которым определялись параметры модели. Поскольку на практике пользователи моделей классификации не смогут настраивать модель на другие априорные вероятности банкротства, размер фирмы или отрасль, реальное качество модели может оказаться еще хуже. Качество может также ухудшиться из-за того, что в выборках, используемых для тестирования MDA-моделей, бывает мало фирм, которые не обанкротились, но находятся в зоне риска. Если таких с риском выживающих фирм всего четыре-пять, то это искажает реальную долю рисковых компаний, и в результате частота ошибок 2-го рода оказывается недооцененной. [c.205]
Участвовавшие в сравнении MDA-методы были рассчитаны и оптимизированы, исходя из доли ложных сигналов 10 1 при некоторых априорных вероятностях и цене ошибок. Хотелось бы использовать в качестве ex ante критерия меньшее, чем 10-процентное, число потенциальных банкротов в популяции, но это плохо согласуется с параметрами моделей. Это также противоречит практике, когда снижение порога ниже 10-процентного уровня не приводило к банкротству. Так, когда доля ложных сигналов урезалась до 7%, Z-шкала Таффлера вообще переставала идентифицировать банкротства, а модель Datastream наталкивалась на это препятствие на отметке 8%. В противоположность этому нейронная сеть распознала два случая банкротства ниже разделяющего уровня в 4.5%, т.е. сеть способна работать в условиях, когда на одну правильную идентификацию банкротства приходится всего пять ложных сигналов. Этот показатель сравним с наилучшими результатами, которые получаются у MDA-моделей на гораздо менее требовательных тестах задним числом (ех post). Отсюда следуют два вывода во-первых, нейронные модели представляют собой надежный метод классификации в кредитной сфере, и, во-вторых, использование при обучении в качестве целевой переменной цены акции может оказаться более выгодным, чем собственно показателя банкротство/выживание. В цене акций отражает- [c.209]
Естественно оценивать качество функционирования данной подсистемы путем сопоставления результатов прогнозных расчетов с фактическими или другими известными априорными данными. С этой целью были проанализированы результаты проведенных прогнозных расчетов по определению отраслевых объемов газопотребления на 1981 —1985 гг., 1995 г., 2000 г. Сопоставлялись с фактическими данными за 1981—1984 гг., экспертными данными ВНИИЭгазпрома на 1985—2000 гг. соответствующие дрогнозные объемы газопотребления рассматривающихся отраслей, причем для 1981 —1985 гг. эти прогнозы рассчитывались по базовым ретроспективным данным за период 1957—1980 гг., а для 1990 г., 1995 г., 2000 г. по базовым данным до 1985 г. Соответствующее отклонение результатов прогнозов от фактических и плановых данных 1981 —1984 гг. очень мало для черной металлургии (0,2—0,7%) и машиностроения (0—0,9%) и относительно мало для некоторых других отраслей. Относительно большие, и притом с нарастающей величиной (от 4,3 до 12,5%), отклонения наблюдались лишь для цветной металлургии. Все это позволило сделать выводы 1) по большинству отраслей имелась достаточно хорошая статистика и не наблюдалось резкого изменения тенденции развития 2) используемые методы прогнозирования в основном эффективны для периода ближайшего пятилетия при условии, что прогнозные отрасли имеют достаточно устойчивые тенденции развития 3) случай с цветной металлургией свидетельствовал, прежде всего о плохом качестве статистических данных, вызванном малыми объемами использования газа и т. п. Сравнивая прогнозные результаты с расчетными данными ВНИИЭгазпрома на период 1985—2000 гг. по всем отраслям, получали в целом значительно большие отклонения, чем для периода 1981—1984 гг. Причины этого — большая отдаленность прогнозного периода от базового приблизительный характер соответствующих данных ВНИИЭгазпрома. [c.135]
Принципиальное значение для Р. д. имел и тот вывод, что стоимость рабочей силы представляет собой не постоянную, а переменную величину (даже тогда, когда стоимость др. товаров остаётся неизменной). Если мшшм. границу стоимости рабочей силы можно определить (хотя она весьма эластична), то её макс, граница не поддаётся определению. Равным образом невозможно чисто экономически , на основе к.-л. априорных рациональных критериев определить максимум заработной платы, поскольку но существует закона, к-рый определял бы минимум ср. нормы прибыли. В рамках различных возможностей получения макс, нормы прибыли (они варьируются в широком диапазоне) её фактич. уровень устанавливается ...лишь путем постоянной борьбы между капиталом и трудом... Дело сводится к вопросу о соотношении сил двух борющихся сторон (М арке К., там же, т. 16, с. 151). Повседневно давление трудящихся, во всех его проявлениях, не только способствует реализации закона стоимости рабочей силы, но в значит, мере определяет и эволюцию этой стоимости в количеств, и качеств, отношениях, т. к. она формируется под влиянием конкретных достижений 1. д., как результат того, что рабочему классу удаётся закрепить в качестве привычно необходимого жизненного уровня. [c.427]
Хало-эффект (эффект ореола) - априорно позитивное мнение о человеке (о чем-либо), когда под влиянием первого положительного впечатления или неполного знания делается вывод о человеке в целом. [c.57]
Тейл показал, что для больших выборок величина у имеет приблизительно распределение у с k степенями свободы1. Если значение у превышает некоторую предварительно определенную критическую величину, то предварительная информация оказывается несовместимой с выборочной информацией и смешанная оценка не вычисляется. Для данных, лежащих в основе табл. 7.1, значение у оценивается как 41,48. Этот критерий, строго говоря, не может быть применен в рассматриваемом случае, поскольку он предназначен для отдельного уравнения, в то время как в примере речь идет о системе уравнений. Однако эмпирическое значение у настолько превышает критическую точку в распределении х2 (xo.oi = 13,3), что это дает основание сделать вывод о наличии несовместимости между выборочными данными и априорной информацией. [c.225]
Модель Хикса тем не менее имеет несколько слабых мест. Если принять ее за основу теории спроса на деньги, то ее недостаток заключается в выводе о том, что если существуют такие краткосрочные облигации, которые, как и деньги, не сопряжены с риском, то процент по ним должен быть равен нулю. При наличии такого вывода модель не может объяснить, почему банками выплачивается процент по срочным вкладам и не выплачивается по текущим или же, с точки зрения проблем, обсуждавшихся в гл. 11, почему существуют текущие беспроцентные вклады и спрос на наличность, если ставка процента предлагается по другим, также не подверженным риску активам, например срочным вкладам. В целом теория Хикса была подвергнута критике такими, например, авторами, как Мейзельман (Meiselman, 1962). Последний не видит априорных оснований для предположения, что хозяйственных агентов прежде всего волнует риск потери капитала, а не дохода, причем, если даже это так, по его мнению, нет оснований полагать, что период получения платежей у кредиторов по преимуществу невелик, тогда как заемщики выпускают облигации главным образом для финансирования долгосрочных капиталовложений. То есть Мейзельман справедливо критикует положение, что соотношение между премиями за ликвидность имеет вид L > L2 >. .. > Ln. [c.549]